在R中如何根据Trip列的值扩展对应数量的数据行？

需求：将DataFrame的每行根据Trip列的数值拆分成对应数量的行，拆分后的Trip值依次为1到原Trip值，且保留数据框中所有其他列（原数据包含15+列）。

示例数据 #

原数据框df1：

预期结果 #

扩展后的df1：

解决方案 #

方法一：使用assign + explode（简洁直观） #

通过构造Trip值的列表，再拆分列表为多行，自动保留所有其他列：

import pandas as pd

# 假设df1是你的原始数据框
df_expanded = df1.assign(Trip=df1['Trip'].apply(lambda x: list(range(1, x+1)))).explode('Trip', ignore_index=True)

• assign：将原Trip列替换为从1到原数值的整数列表
• explode：把列表格式的Trip列拆分成多行，其他列自动重复对应次数
• ignore_index=True：重置结果的索引，避免重复索引

方法二：使用repeat + 分组计数（大数据量更高效） #

通过重复行再生成新的Trip值，适合处理大规模数据：

import pandas as pd

# 按Trip值重复每行
df_expanded = df1.loc[df1.index.repeat(df1['Trip'])].copy()
# 按原索引分组，生成从1开始的连续Trip值
df_expanded['Trip'] = df_expanded.groupby(level=0).cumcount() + 1
# 重置索引
df_expanded = df_expanded.reset_index(drop=True)

• index.repeat：根据Trip值重复每行索引，实现行扩展
• groupby(level=0).cumcount()：按原行的索引分组，计数后加1得到1到原Trip值的序列
• 该方法避免了构造列表，在数据量较大时性能更优

内容的提问来源于stack exchange，提问作者user18729535